Dr. Don Widener, teknisk direktör för BAE Systems Advanced Analytics Lab – Intervjuer

Don Widener är teknisk direktör för BAE Systems Advanced Analytics Lab och Intelligence, Surveillance & Reconnaissance (ISR) Analysis Portfolio.

BAE Systems är ett globalt försvars-, aerospace- och säkerhetsföretag med cirka 83 000 anställda världen över. Deras breda produkter och tjänster omfattar luft-, mark- och sjöstridskrafter, samt avancerad elektronik, säkerhet, informationsteknologi och supporttjänster.

Vad var det som initialt drog dig till AI och robotik?

Jag har alltid varit intresserad av att förbättra förmågan hos underrättelseanalytiker att vara mer effektiva i sin mission, antingen genom handelsutveckling eller teknik. Med en bakgrund inom underrättelseanalys har jag fokuserat min karriär på att minska gapet mellan insamling av underrättelsedata och beslutsfattande.

I augusti 2019 meddelade BAE Systems ett samarbete med UiPath (PATH ) för att lansera Robotic Operations Center, som kommer att bringa automation och maskinlärningsförmågor till USA:s försvars- och underrättelsegemenskaper. Kan du beskriva detta samarbete?

Att demokratisera AI för våra 2 000+ underrättelseanalytiker är en viktig drivkraft för BAE Systems Intelligence & Security-sektorns Advanced Analytics Lab. Genom att använda verktyg för robotiserad processautomatisering (RPA) som UiPath kan vi snabbt förstärka våra analytiker med skräddarsydda utbildningskurser och samarbetsgemenskaper (som Robotic Operations Center), vilket driver effektivitet och effekt. Analytiker utan programmeringsbakgrund kan bygga automationsmodeller eller “botar” för att hantera repetitiva uppgifter.

Hur kommer botarna från Robotic Operations Center att användas för att bekämpa cyberbrott?

Det finns ett stort behov av att tillämpa AI på extern hotdatainsamling för cyberhotanalys. På RSA 2020 samarbetade vi med Dell för att visa deras AI-klara paket för maskinlärning, som inkluderar NVIDIA-GPU:er, bibliotek och ramverk samt hanteringsprogramvara i en komplett lösning. Vi visade mänsklig-maskin-samarbete genom att guida konferensdeltagare genom en modell för objektidentifiering som används för att filtrera offentligt tillgängliga data för att identifiera fysiska hotområden, som kan utlösa cyberbrott.

Vilka dataset kommer att samlas in för att träna de neurala nätverken som används av botarna?

BAE Systems tilldelades nyligen arméns Open Source Intelligence (OSINT)-kontrakt, som ansvarar för att integrera stordataförmågor i vår säkra molnvärdsmiljö.

Kan du beskriva några av de aktuella djupinlärningsmetoderna som arbetas med på BAE Systems?

Några av de djupinlärningsmetoder vi arbetar med är rörelsebilder, humanitär katastrofhjälp och COVID-19.

Tror du att objektidentifiering och klassificering fortfarande är ett problem när det gäller objekt som bara är delvis synliga eller skymda av andra objekt?

Datorseende-modeller är mindre effektiva när de är delvis skymda, men för nationella uppdrag som grundläggande militär underrättelse kan även höga falska positiva rater fortfarande stödja beslutsfördel.

Vilka är några av de andra utmaningarna för datorseende?

Dataetikettering är en utmaning. Vi har samarbetat med flera dataetiketteringsföretag för att etikettera oklassificerad data, men för klassificerad data använder vi vår underrättelseanalytikerarbetskraft för att stödja dessa datorseende-utbildningsinitiativ, och denna arbetskraft är en ändlig resurs.

Tack för den här intervjun. För alla som vill lära sig mer kan de besöka BAE Systems.